| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 机器视觉概述 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 机器视觉尺寸测量研究现状 | 第13-14页 |
| 1.3.2 机器视觉表面缺陷检测研究现状 | 第14-16页 |
| 1.3.3 关键技术分析 | 第16-17页 |
| 1.4 本文主要研究内容与组织结构 | 第17-20页 |
| 1.4.1 主要研究内容 | 第17-18页 |
| 1.4.2 本文组织结构 | 第18-20页 |
| 第二章 金属手机外壳视觉检测成像系统研究 | 第20-33页 |
| 2.1 引言 | 第20页 |
| 2.2 金属手机外壳视觉检测关键问题 | 第20-22页 |
| 2.2.1 检测标准与要求 | 第20-22页 |
| 2.2.2 技术难点分析 | 第22页 |
| 2.3 成像系统光学照明研究 | 第22-26页 |
| 2.3.1 金属磨砂手机外壳表面的光学特性 | 第22-23页 |
| 2.3.2 光源的颜色特性 | 第23-24页 |
| 2.3.3 光源照明方式评价 | 第24-26页 |
| 2.4 相机成像模型与标定 | 第26-32页 |
| 2.4.1 相机成像模型 | 第26-29页 |
| 2.4.2 相机标定方法 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 金属手机外壳视觉尺寸测量算法研究 | 第33-57页 |
| 3.1 引言 | 第33页 |
| 3.2 金属手机外壳轮廓边缘提取 | 第33-42页 |
| 3.2.1 轮廓边缘检测 | 第33-38页 |
| 3.2.2 感兴趣区域设置 | 第38-39页 |
| 3.2.3 轮廓图元提取 | 第39-42页 |
| 3.3 基于梯度方向与Sigmoid函数拟合的亚像素边缘检测 | 第42-52页 |
| 3.3.1 亚像素边缘检测概述 | 第42-43页 |
| 3.3.2 实现原理与过程 | 第43-48页 |
| 3.3.3 亚像素边缘检测精度验证 | 第48-52页 |
| 3.4 金属手机外壳尺寸测量 | 第52-55页 |
| 3.4.1 外轮廓直线拟合 | 第52-53页 |
| 3.4.2 指纹圆孔拟合 | 第53-54页 |
| 3.4.3 尺寸计算 | 第54-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第四章 金属手机外壳表面典型缺陷检测算法研究 | 第57-76页 |
| 4.1 引言 | 第57页 |
| 4.2 金属手机外壳表面磨砂纹理噪声抑制与图像增强 | 第57-63页 |
| 4.2.1 基于形态学滤波的金属磨砂纹理噪声抑制 | 第57-61页 |
| 4.2.2 改进的伽玛灰度变换图像增强 | 第61-63页 |
| 4.3 基于面积与灰度双阈值的金属手机外壳表面典型缺陷分割 | 第63-66页 |
| 4.4 金属手机外壳表面典型缺陷特征提取与分类 | 第66-75页 |
| 4.4.1 缺陷特征提取 | 第66-70页 |
| 4.4.2 缺陷识别与分类 | 第70-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 金属手机外壳视觉检测系统搭建与实验研究 | 第76-91页 |
| 5.1 引言 | 第76页 |
| 5.2 硬件平台搭建 | 第76-79页 |
| 5.3 系统软件设计 | 第79-84页 |
| 5.3.1 软件模块化设计 | 第79-82页 |
| 5.3.2 软件算法流程 | 第82-84页 |
| 5.4 实验研究 | 第84-90页 |
| 5.4.1 相机标定实验 | 第84-85页 |
| 5.4.2 光源照明实验 | 第85-86页 |
| 5.4.3 尺寸测量实验 | 第86-88页 |
| 5.4.4 表面典型缺陷检测实验 | 第88-90页 |
| 5.5 本章小结 | 第90-91页 |
| 总结与展望 | 第91-93页 |
| 总结 | 第91-92页 |
| 展望 | 第92-93页 |
| 参考文献 | 第93-98页 |
| 攻读硕士学位期间取得的研究成果 | 第98-99页 |
| 致谢 | 第99-100页 |
| 附件 | 第100页 |
